Binscatter Regressions
分箱散点回归与 Binsreg 软件包AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确包含 Logit、Probit 离散选择回归以及分位数回归的分箱估计和推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
分箱散点回归与 Binsreg 软件包
- 研究问题
- 如何将分箱散点图扩展为支持协变量调整、非线性回归和统计推断的工具，并开展函数形状检验及多组比较？
- 方法与思路
- 作者介绍 Binsreg 的七个命令，覆盖最小二乘、Logit、Probit 和分位数分箱回归，以及检验、组间比较和数据驱动分箱选择。
- 材料陈述的贡献
- 摘要所述贡献是实现已有分箱散点方法的软件包，提供点估计、置信区间和置信带，并支持加权、聚类及多样本分析。
- 阅读关注点
- 应核对各命令的估计目标、分箱选择与平滑设置，以及点态和一致推断的差别，尤其检查协变量调整和聚类选项的使用条件。
- 阅读边界
- 这是 arXiv 预印本，未核验同行评审或期刊接收；摘要未提供具体语法、理论条件或性能比较，软件支持异质性分析不等于保证因果识别。
原文摘要
We introduce the package Binsreg, which implements the binscatter methods developed by Cattaneo, Crump, Farrell, and Feng (2024b,a). The package includes seven commands: binsreg, binslogit, binsprobit, binsqreg, binstest, binspwc, and binsregselect. The first four commands implement binscatter plotting, point estimation, and uncertainty quantification (confidence intervals and confidence bands) for least squares linear binscatter regression (binsreg) and for nonlinear binscatter regression (binslogit for Logit regression, binsprobit for Probit regression, and binsqreg for quantile regression). The next two commands focus on pointwise and uniform inference: binstest implements hypothesis testing procedures for parametric specifications and for nonparametric shape restrictions of the unknown regression function, while binspwc implements multi-group pairwise statistical comparisons. Finally, the command binsregselect implements data-driven number of bins selectors. The commands offer binned scatter plots, and allow for covariate adjustment, weighting, clustering, and multi-sample analysis, which is useful when studying treatment effect heterogeneity in randomized and observational studies, among many other features.